这篇博客是对R语言中的正则表达式进行的整理，以实际应用为主，主要用于学习备忘，后续会根据需要进行补充。常用函数部分仅给出部分示例，详细使用方式可以使用R的帮助函数查询。

1、语法规则

常用符号及含义

符号	含义
\	转义字符
.	除了换行以外的任意字符
^	放在句首，表示一行字符串的起始
$	放在句尾，表示一行字符串的结束
*	零个或者多个之前的字符
+	一个或者多个之前的字符
?	零个或者一个之前的字符
[]	匹配其中任何一个字符，而^在[]中代表“非”, -代表“之间”
\|	或者,小括号()与花括号{}配合“\|”使用

常用特殊转义字符含义

转义字符	含义
\n	换行符
\t	制表符
\w	任意字母(包括下划线)或者数字即 [a-zA-Z0-9_]
\W	\w的反义即[^a-zA-Z0-9_]
\d	任意一个数字即[0-9]
\D	\d的反义即[^0-9]
\s	任意一个空格,比如space, tab, newline 等
\S	\s的反义,任意一个非空格

2、常用函数

2.1 grep和grepl函数

这两个函数返回向量水平的匹配结果，不涉及匹配字符串的详细位置信息。其中，grep仅返回匹配项的下标，而grepl返回所有的查询结果，并用逻辑向量表示有没有找到匹配。两者的结果用于提取数据子集的结果都一样。
示例：列出C:\windows目录下的所有文件，然后用grep和grepl查找exe文件

> files <- list.files("c:/windows")
> grep("\\.exe$", files) [1]   8  28  30  35  36  57  68  98  99 101 110
> grepl("\\.exe$", files) [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE[11] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE> files[grep("\\.exe$", files)] [1] "bfsvc.exe"      "explorer.exe"   "fveupdate.exe"  "HelpPane.exe"   [5] "hh.exe"         "notepad.exe"    "regedit.exe"    "twunk_16.exe"   [9] "twunk_32.exe"   "uninst.exe"     "winhelp.exe"
> files[grepl("\\.exe$", files)] [1] "bfsvc.exe"      "explorer.exe"   "fveupdate.exe"  "HelpPane.exe"   [5] "hh.exe"         "notepad.exe"    "regedit.exe"    "twunk_16.exe"   [9] "twunk_32.exe"   "uninst.exe"     "winhelp.exe"

2.2 regexpr、gregexpr和regexec

这三个函数返回的结果包含了匹配的具体位置和字符串长度信息，可以用于字符串的提取操作。

> text <- c("Hellow, Adam!", "Hi, Adam!")
> regexpr("Adam", text)
[1]  9  5
attr(,"match.length")
[1] 4 4
attr(,"useBytes")
[1] TRUE
> gregexpr("Adam", text)
[[1]]
[1] 9
attr(,"match.length")
[1] 4
attr(,"useBytes")
[1] TRUE
[[2]]
[1] 5
attr(,"match.length")
[1] 4
attr(,"useBytes")
[1] TRUE
> regexec("Adam", text)
[[1]]
[1] 9
attr(,"match.length")
[1] 4
[[2]]
[1] 5
attr(,"match.length")
[1] 4

2.3 sub和gsub

sub和gsub的区别是前者只做一次替换（不管有几次匹配），而gsub把满足条件的匹配都做替换。虽然sub和gsub是用于字符串替换的函数，但严格地说R语言没有字符串替换的函数，因为R语言不管什么操作对参数都是传值不传址。

> sub(pattern="Adam|Ava", replacement="world", text)
[1] "Hello world!\nHello Ava!"
> gsub(pattern="Adam|Ava", replacement="world", text)
[1] "Hello world!\nHello world!"

3、stringr包中实现正则表达的函数

3.1 str_detect

str_detect函数用于检测字符向量中是否存在匹配模式，返回逻辑值。

> some_objs = c("pen", "pencil", "marker", "spray")
> str_detect(some_objs, "pen")
[1]  TRUE  TRUE FALSE FALSE

3.2 str_extract和str_extract_all

str_extract函数的功能是剥离文本向量中每个元素中哦哦那个第一个匹配的值，无匹配的元素返回NA，结果是一个和文本向量同等维度的向量；str_extract_all功能类似str_extract，但是它会剥离文本向量中每个元素中所有符合匹配模式的值，无匹配时返回character(0)，结果格式为list格式。

> paris_tweets = c("#Paris is chock-full of cultural and culinary attractions",  "Some time in #Paris along Canal St.-Martin famous by #Amelie", "While you're in #Paris, stop at cafe: http://goo.gl/yaCbW", "Paris, the city of light")
> hash = "#[a-zA-Z]{1,}"
> str_extract(paris_tweets, hash)
[1] "#Paris" "#Paris" "#Paris" NA

3.3 str_match和str_match_all

较str_extract和str_extract_all，str_match和str_match_all会给出详细的匹配信息。

> str_match(strings, dates)[,1]               [,2] [,3]        [,4]
[1,] "12 Jun 2002"      "12" "Jun"       "2002"
[2,] "8 September 2004" "8"  "September" "2004"
[3,] "22-July-2009"     "22" "July"      "2009"
[4,] NA                 NA   NA          NA
... ...> str_match_all(paris_tweets, hash)
[[1]][,1]
[1,] "#Paris"[[2]]
... ...

3.4 str_locate和str_locate_all

这两个函数是用于定位匹配模式在文本向量每个元素中的位置，同上前者只定位第一个出现的匹配模式，后者针对所有匹配的模式;str_locate返回的是两列的矩阵，str_locate_all返回的是list。

> str_locate(paris_tweets, hash)start end
[1,]     1   6
[2,]    14  19
[3,]    17  22
[4,]    NA  NA> str_locate_all(paris_tweets, hash)
[[1]]start end
[1,]     1   6[[2]]
... ...

3.5 str_replace和str_replace_all

这两个函数用于替换，用指定模式替换匹配模式。

> cities = c("San Francisco", "Barcelona", "Naples", "Paris")
> str_replace(cities, "[aeiou]", ";")
[1] "S;n Francisco" "B;rcelona"     "N;ples"        "P;ris"> str_replace_all(cities, pattern = "[aeiou]", ";")
[1] "S;n Fr;nc;sc;" "B;rc;l;n;"     "N;pl;s"        "P;r;s"

3.6 str_split和str_split_fixed

str_split语法形如： str_split(string, pattern, n=Inf),其中n是返回的分割数目；str_split_fixed函数同样用于分割，其语法格式为：str_split_fixed(string, pattern, n)，这里n没有默认值，必须指定。

> sentence = c("R is a collaborative project with many contributors")
> str_split(sentence, " ")
[[1]]
[1] "R"             "is"            "a"             "collaborative"
[5] "project"       "with"          "many"          "contributors"> flavors = c("chocolate", "vanilla", "cinnamon", "mint", "lemon")
# 以n为界分割为两部分
> str_split_fixed(flavors, "n", 2)[,1]        [,2]
[1,] "chocolate" ""
[2,] "va"        "illa"
[3,] "ci"        "namon"
[4,] "mi"        "t"
[5,] "lemo"      ""

参考链接：

http://www.thebigdata.cn/JiShuBoKe/13826.html
http://blog.163.com/yugao1986@126/blog/static/692285082014325113834380/
http://blog.163.com/shen_960124/blog/static/60730984201411184587551/

R语言中的正则表达式相关推荐

R语言中使用pkgbuild::find_rtools查看是否有Rtools、使用Sys.which函数查看make是否存在、如果没有则安装、使用writeLines函数绑定R和Rtools
R语言中使用pkgbuild::find_rtools(debug = TRUE)查看是否有Rtools.使用Sys.which函数查看make是否存在.如果没有则安装Rtools.使用writeLi ...
R语言中如何计算C-Statistics？几种计算方法详解
R语言中如何计算C-Statistics?几种计算方法详解目录 R语言中如何计算C-Statistics? #包导入 #数据加载编码
C语言中嵌入正则表达式
标准的C和C++都不支持正则表达式,但有一些函数库可以辅助C/C++程序员完成这一功能,其中最著名的当数Philip Hazel的Perl-Compatible Regular Expression库 ...
r语言 rgl 强制过程中_一个R语言中操纵矢量空间数据的标准化工具—sf
注: 本文是R语言sf包的核心开发者和维护者--来自德国明斯特大学的地理信息学教授:Edzer Pebesma 的一篇关于sf包的简介,发表于2018年7月的R语言期刊,主要讲述了sf的定位.功能. ...
在linux下，如何在C语言中使用正则表达式
http://hi.baidu.com/d_south/blog/item/9d22a34b1fc2bcf483025c53.html 在linux下,如何在C语言中使用正则表达式(整理) 2008- ...
R语言中的特殊值 NA NULL NaN Inf
这几个都是R语言中的特殊值,都是R的保留字, NA:Not available 表示缺失值用 is.na() 来判断是否为缺失值 NULL:表示空值,即没有内容用 is.null() 来判 ...
R开发(part8)--应用R语言中的函数环境空间
学习笔记,仅供参考,有错必纠文章目录 R开发应用R语言中的函数环境空间 R语言的函数环境空间封闭环境绑定环境运行环境调用环境函数环境空间图示 R开发应用R语言中的函数环境空间 R语言的 ...
R开发(part2)--R语言中的数学计算
学习笔记,仅供参考,有错必纠参考自:<R的极客理想>-- 张丹文章目录 R开发 R语言中的数学计算对数加权平均.连乘.差分.秩.任意数.全体数阶乘.组合.排列累加.累乘.最小累 ...
r语言中正定矩阵由于误差不正定_R语言之数据处理(一)
在上一篇小文中,提到了关于R语言导入数据的一些方法,之后的重点就转向了数据的处理上.数据处理其实在整个数据分析项目中所占用的时间是比较多的,所以根据处理的目的不同,也有不同的处理方法.在R语言中,我通 ...

R语言中的正则表达式